您好,欢迎访问北京理工大学机构知识库!
所在位置: 首页 - 学者导航
相关导航
按重要数据库分组
  • 任何
  • 49 SCIE
  • 4 SSCI
  • 75 EI工程索引(美)
  • 9 CA化学文摘(美)
  • 10 美国剑桥科学文摘
  • 更多
按类型分组
  • 任何
  • 54 专利
  • 33 学位论文
  • 105 期刊
  • 更多
按语种分组
  • 任何
  • 102 中文
  • 106 外文
优秀人才
  • 任何
    • 17 学术称号
      • 17 工程院院士
      • 17 长江学者
年代
  • 任何
  • 8 2024
  • 94 2023
  • 58 2022
  • 9 2021
  • 3 2020
  • 6 2018
  • 5 2017
  • 8 2016
  • 3 2015
  • 3 2014
  • 3 2011
  • 2 2010
  • 1 2000-2009
按来源期刊分组
  • 任何
  • 30 硕士
  • 8 Energy
  • 7 Applied Ene..
  • 7 机械工程学报
  • 7 IEEE Transa..
  • 更多
基金
  • 任何
    • 6 国家自然科学基金项目
      • 6 国家自然科学基金
    • 3 省市基金项目
      • 3 北京市科技新星项目
    • 1 科技部国家科技计划项目
      • 1 国家科技部博士后基金
  • 更多

王震坡

  • 职称:教授
  • 研究方向:长期致力于纯电动车辆整车集成及控制、动力电池成组应用技术研究,关键技术开发和工程应用工作。
  • 所属院系:机械与车辆学院  
  • 成果数量:208条,属于本单位的个人成果208条

条数据
导出

作者: Fu, Na1; Deng, Junjun1; Wang, Zhenpo1; Chen, Deliang11Beijing Institute of Technology, Beijing, China)

出处: IEEE Transactions on Power Electronics 2023 P1-12

作者: Liu, Peng1, 2; Jia, Hanbing1, 2; Zhang, Lei1, 2; Wang, Zhenpo1, 21National Engineering Laboratory for Electric Vehicles, Beijing Institute of Technology, Beijing; 100081, China;2Collaborative Innovation Center of Electric Vehicles in Beijing, Beijing; 100081, China)

出处: Jixie Gongcheng Xuebao/Journal of Mechanical Engineering 2023 Vol.59 No.24 P271-281

作者: Wang, Mingqiang1; Zhang, Lei1; Chen, Jun2; Zhang, Zhiqiang1; Wang, Zhenpo1; Cao, Dongpu3; (1Collaborative Innovation Center for Electric Vehicles in Beijing and the National Engineering Research Center for Electric Vehicles, Beijing Institute of Technology, Beijing, China;2Department of Electrical and Computer Engineering, Oakland University, Rochester, MI, USA;3School of Vehicle and Mobility, Tsinghua University, Beijing, China)

出处: IEEE Transactions on Transportation Electrification 2023 P1

关键词: Automated driving;Behavioral sciences;Convolution;Encoding;interaction;long short-term memory (LSTM);Planning;Predictive models;Trajectory;trajectory prediction;Uncertainty

摘要: The driving safety of automated vehicles is largely dependent on accurately predicting the motions of surrounding vehicles. However, the existing appr ...

作者: Li, Guoqiang1;Guo, Hongliang1,2;Wang, Zhenpo1;Wang, Meng3; (1School of Mechanical Engineering, Beijing Institute of Technology, Beijing, China 2Institute for Infocomm Research, Agency for Science, Technology and Research (ASTAR), Singapore 3Faculty of Transport and Traffic Sciences, Technische Universität Dresden, Dresden, Germany)

出处: Robotics & Autonomous Systems 2023 Vol.169

关键词: Autonomous overtaking;Dual optimization;Object avoidance;Receding horizon;Trajectory optimization

摘要: Autonomous driving with active obstacle avoidance in dynamic urban environment has attracted significant attention to improve road safety and traffic ...

发明人: 王震坡,刘鹏,贾子润,张照生,林倪,孙振宇

申请人: 北京理工大学

申请号: 202310323114.9

申请日期: 2023.03.30

摘要: 本发明公开了动力电池系统安全风险动态评估方法、装置、设备及介质,涉及动力电池风险评估技术领域,该方法包括:根据当前阶段目标新能源汽车的电池单体电压数据矩阵和探针温度数据矩阵计算目标参数集;对目标参数集中的每个参数矩阵进行参数分布差异计算,确定参数矩阵对应的N个特征区间;计算每个特征区间的隶属度值;根 ...

发明人: 王震坡,刘鹏,贾子润,张泽坤,张照生,林倪,李磊

申请人: 北京理工大学

申请号: 202311062111.0

申请日期: 2023.08.22

摘要: 本发明提供了一种基于LSTM‑GAN的车用动力电池系统故障诊断方法,利用车辆历史运行数据并基于LSTM‑GAN的模型对各电池单体电压与各表征参数间关系进行无监督学习训练,并通过对使用相同电池系统车辆由LSTM‑GAN模型得到的偏差系数进行统计分析,来实现单体电压异常的阈值检测。该方法有效解决了动力电 ...

发明人: 王震坡,刘鹏,贾子润,张景涵,张照生,王硕,林倪,李磊

申请人: 北京理工大学

申请号: 202310917656.9

申请日期: 2023.07.25

摘要: 本发明提供了一种可更换电池包的子母结构可充电电池系统,以子母包的结构形式实现了电池系统的灵活组合与自由更换,既满足电池子包损坏时的拆装需求,也可通过由满电子包替换亏电子包的方式来丰富电池补能手段。本发明综合利用散热鳍片、导热灌封胶、气凝胶隔热毡、铝合金板等部件或材料,针对电池系统的热蔓延情况提供了有 ...

发明人: 林倪,王震坡,温爽,张照生

申请人: 北京理工大学

申请号: 202310697497.6

申请日期: 2023.06.13

摘要: 本发明提供了一种适用于V2G电动汽车用锂电池的健康状态评估方法,以新能源实车大数据为基础设置用于表征锂电池SOH的表征参数并计算其参考值,同时提取出与表征参数高度相关的多种运行特征参数共同构建训练样本集,还创新性地引入了NGBoost模型建立SOH估计框架,使训练好的模型对SOH估计精确性和稳健性均 ...

发明人: 张照生,王震坡,毕继禹,刘鹏,周立涛,林倪

申请人: 北京理工大学

申请号: 202310076603.9

申请日期: 2023.01.16

摘要: 本发明提供了一种基于数据挖掘的电动汽车电池系统缺陷识别方法,其首先准备好不同车型数据并上传至大数据平台后,由大数据平台依次执行数据预处理、缺陷特征参数提取、缺陷特征数据库构建几个步骤实现电池单体不一致性缺陷特征数据库的构建,可对各单车在不同地域、季节、里程区间的充电或行驶片段与相应阈值比较来确定是否 ...

发明人: 张照生,王震坡,王帅,刘鹏,叶宝霖

申请人: 北京理工大学

申请号: 202311216429.X

申请日期: 2023.09.20

摘要: 本发明提供了一种基于机器学习的电动公交车能耗预测方法,其通过对部分难以直接提取的能耗相关特征参数建立基于机器学习的预测模型,有效解决了特征提取不符合实际的问题,显著改善了用于电动公交车能耗预测的数据质量与模型训练水平,提高了能耗预测结果的精确性。本方法的实现较为简便,能够有效节约计算资源。

王震坡教授简介